Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Registro automático de los modelos de SageMaker AI con la opción Registro de modelos de SageMaker

Puede registrar los modelos de MLflow y registrarlos automáticamente en la opción Registro de modelos de SageMaker mediante el Python SDK o directamente a través de la interfaz de usuario de MLflow.

Implementación de modelos mediante SageMaker Python SDK

Utilice create_registered_model en el cliente de MLflow para crear automáticamente un grupo de paquetes de modelos en SageMaker AI que corresponda a un modelo de MLflow existente de su elección.

import mlflow 
from mlflow import MlflowClient

mlflow.set_tracking_uri(arn)

client = MlflowClient()

mlflow_model_name = 'AutoRegisteredModel'
client.create_registered_model(mlflow_model_name, tags={"key1": "value1"})

Utilice mlflow.register_model() para registrar automáticamente un modelo en la opción Registro de modelos de SageMaker durante el entrenamiento del modelo. Al registrar el modelo de MLflow, se crean en SageMaker AI el grupo de paquetes de modelos y la versión del paquete de modelos correspondientes.

import mlflow.sklearn
from mlflow.models import infer_signature
from sklearn.datasets import make_regression
from sklearn.ensemble import RandomForestRegressor

mlflow.set_tracking_uri(arn)
params = {"n_estimators": 3, "random_state": 42}
X, y = make_regression(n_features=4, n_informative=2, random_state=0, shuffle=False)

# Log MLflow entities
with mlflow.start_run() as run:
    rfr = RandomForestRegressor(**params).fit(X, y)
    signature = infer_signature(X, rfr.predict(X))
    mlflow.log_params(params)
    mlflow.sklearn.log_model(rfr, artifact_path="sklearn-model", signature=signature)

model_uri = f"runs:/{run.info.run_id}/sklearn-model"
mv = mlflow.register_model(model_uri, "RandomForestRegressionModel")

print(f"Name: {mv.name}")
print(f"Version: {mv.version}")

Registro de modelos mediante la interfaz de usuario de MLflow

También puede registrar un modelo en la opción Registro de modelos de SageMaker directamente en la interfaz de usuario de MLflow. En el menú Modelos de la interfaz de usuario de MLflow, elija Crear modelo. Todos los modelos que se hayan creado de esta manera recientemente se añadirán a la opción Registro de modelos de SageMaker.

Después de registrar un modelo durante el seguimiento del experimento, diríjase a la página de ejecución en la interfaz de usuario de MLflow. Seleccione el panel Artefactos y elija Registrar modelo en la esquina superior derecha para registrar la versión del modelo tanto en MLflow como en Registro de modelos de SageMaker.

Visualización de los modelos registrados en Studio

En la página de inicio de SageMaker Studio, elija Modelos en el panel de navegación de la izquierda para ver los modelos registrados. Para obtener más información sobre cómo empezar a utilizar Studio, consulte Launch Amazon SageMaker Studio.